Una nova publicació, en la qual hi han contribuït Sergi Masó-Orriols, Montse Masoliver, Joan Bertran i Carlo Manzo, ha estat publicada a la revista Nature Communications amb el títol “Enhanced spatial clustering of single-molecule localizations with graph neural networks”.

Quin és l’objectiu científic principal abordat a l’article, i per què és rellevant?
L’article aborda principalment la creació d’un nou algorisme anomenat MIRO que ajuda a interpretar imatges obtingudes en microscòpia de localització de molècules individuals, una tècnica que permet «veure» les molècules dins les cèl·lules. En aquestes imatges, les molècules apareixen com punts molt petits distribuïts en núvols de localitzacions; entendre com s’agrupen (quines molècules estan juntes i quines no) és clau per desxifrar com funcionen les cèl·lules. Els mètodes habituals tenen dificultats quan hi ha molt “soroll” o quan les agrupacions tenen formes complexes. L’algorisme MIRO resol aquest problema fent un “ajust” automàtic perquè els punts que han d’anar junts s’aproximin i quedi més clara la forma del grup.

Quina metodologia s’ha utilitzat? Per què?
Hem fet servir xarxes neuronals de grafs (Graph Neural Networks, GNNs), un tipus d’intel·ligència artificial capaç d’analitzar relacions entre punts connectats. En aquest cas, cada “punt” representa una molècula detectada al microscopi, i els “enllaços” entre punts indiquen la seva proximitat o interacció espacial. MIRO aprèn automàticament quins punts formen part del mateix grup (clúster) i quins són soroll o falses deteccions, sense necessitat de paràmetres fixos o ajustos manuals.

Quins són els principals resultats de l’estudi?
Els propers passos se centren a aplicar MIRO als nostres experiments biològics, per analitzar amb més detall l’organització molecular en diferents sistemes cel·lulars. Paral·lelament, estem desenvolupant noves aproximacions no supervisades que permeten aprendre directament dels patrons de les dades sense necessitat d’etiquetes prèvies, ampliant així el potencial de la intel·ligència artificial en l’anàlisi de la microscòpia avançada.

Quines podrien ser les aplicacions o implicacions potencials dels resultats de la recerca en termes pràctics?
Els resultats d’aquest estudi obren la porta a noves maneres d’analitzar l’organització molecular dins de les cèl·lules, amb un nivell de detall que fins ara era molt difícil d’assolir. En termes pràctics, MIRO pot aplicar-se a una gran varietat de problemes biomèdics. Permet estudiar com canvia l’estructura de les proteïnes en processos biològics relacionats amb la salut i la malaltia, i també pot utilitzar-se en altres àmbits científics, des de la neurociència fins a la nanotecnologia, on la detecció d’estructures complexes en dades espacials és fonamental.

Quins són els passos següents que us plantegeu a partir dels resultats obtinguts? Quines són les futures direccions per a la recerca basada en els resultats d’aquest estudi, i queden preguntes sense resposta que es podrien abordar en estudis futurs?
Els propers passos se centren a aplicar MIRO als nostres experiments biològics, per analitzar amb més detall l’organització molecular en diferents sistemes cel·lulars. Paral·lelament, estem desenvolupant noves aproximacions no supervisades que permeten aprendre directament dels patrons de les dades sense necessitat d’etiquetes prèvies, ampliant així el potencial de la intel·ligència artificial en l’anàlisi de la microscòpia avançada.